Elixir/NervesでOpen JTalkを使い、 ラズパイに日本語をしゃべらせてみた

open_jtalk_elixir の開発録

Transcript

1. Elixir/NervesでOpen JTalkを使い、 ラズパイに日本語をしゃべらせてみた open_jtalk_elixir の開発録 mnishiguchi
2. きっかけ • 友人のひとこと: 「Nervesでラズパイに日本語しゃべらせられない？」 • 地味にハードル高そう… • 元氣があれば何でもできる
3. Open JTalkとは • 日本語テキスト音声合成（Text to Speech, TTS）エンジン • CLIベースで軽量、組み込み向き • 構成要素 ◦ Open JTalk 本体（CLI） ◦ MeCab辞書（形態素解析・読み・アクセント） ◦ HTS 音声モデル（`.htsvoice`ファイル）
4. https://raspida.com/speech-synthesis/
5. 目標 • 開発も運用も楽しい 🎉 • 実装が容易でかつ保守対応しやすいこと • 初期導入が簡単であること • 実行時の安全性を確保すること • Nerves（組み込み）でも動く
7. Open JTalk を Elixir から使うには？ • NIF（Native Implemented Function） ◦ 高速だがVMごと落ちるリスクあり • Port ◦ 柔軟だけど I/O や引数管理が面倒 • System.cmd/3 ◦ シンプル ◦ 移植性高い ◦ クラッシュしても VM に影響なし
8. Open JTalk のビルド • 課題 ◦ MeCab / HTS / Open JTalk など、依存関係の解決に一定の知識と 手間が必要 ◦ 辞書：約 100MB、音声モデル：約 2MB と、サイズもやや大きめ • 解決策 ◦ mix compile 時に Open JTalk を 自動ビルド ◦ 辞書・音声モデルを 標準で同梱 ◦ 環境変数で 外部の辞書/音声への切替に対応
9. クロスプラットフォーム対応 • Linux: ARM系 ◦ config.sub更新必要 • macOS ◦ 静的リンク不可→動的リンク ◦ aplay→afplay • Nerves ◦ MIX_TARGETでクロスコンパイル ◦ 容量制約あり • CI 環境での確認 ◦ Linux x86_64 ◦ Linux aarch64 ◦ macOS 14 (arm64, Apple Silicon)
10. 論よりRUN
11. Nerves で使うとき • MIX_TARGET指定でクロスコンパイル • 辞書/音声: 開発は同梱、運用は外部配置 • 音声出力: Linuxはaplay, ALSA設定要確認
12. まとめ • 日本語の音声合成を ローカル環境で Elixir で簡単に実現 • Linux / macOS / Nerves で動作 • GitHub: piyopiyoex/open_jtalk_elixir